• 다양한 주제의 한국어 학술논문 및 특허명세서에서 전체 요약문과 섹션별요약문을 도출해낼 수 있도록 인공지능을 훈련하기 위한 데이터셋

• 논문 요약, 특허문서 요약 등 핵심내용을 신속하고 정확하게 파악할 수 있는 AI 요약기술 개발

• 논문요약, 특허요약, 생성요약, 한국형 문서요약 데이터셋

• 논문자료 요약 데이터는 OA논문과 특허명세서를 대상으로 구축함
  - 학술논문은 저작권 문제가 원천적으로 해결된 Open Access 한국어 학술 논문을 수집하여 논문의 전체(초록)와 섹션(논문 원문 중 섹션 일부 Paragraph)에 해당하는 요약문을 작성, 활용서비스 데이터 제공
  - 특허명세서의 전체 요약과 섹션(본문 중 섹션 일부 Paragraph)에 해당하는 요약문을 작성, 활용서비스 데이터 제공

• 학술논문 18만 건에서 전체(생성) 요약 18만 건, 섹션별 (생성)요약 18만 건, 특허명세서 전체 (생성)요약 17만 건, 섹션별 (생성) 요약 17만 건 등 총 70만 건의 요약문 도출
• (논문)인공지능 생성요약 알고리즘의 편향 방지를 위해 다양한 분야의 데이터를 구축대상으로 하여 구축하도록 하고, 각 데이터의 주제 분류, 논문저자, 날짜 등의 정보를 통해 골고루 구축되도록 구성함
• (특허)인공지능 생성요약(Abstractive Summarization) 모델 구축을 위한 데이터셋 구축 작업
• 특허명세서의 전체 요약문 및 섹션 요약문을 작성
• 각 데이터의 출원번호, 출원인, 등록번호 등의 정보를 통해 골고루 구축되도록 구성함
• 특허명세서 전체 원문 텍스트를 대상으로 요약문(300자 이내)을 작성하고 섹션요약은 특허명세서의 주요 섹션(발명의 방법, 발명의 원리 등)에 대한 섹션 요약을 실시
• 생성 요약문의 길이는 요약대상 원문의 10~30% 이내로 요약하고 원천 데이터의 내용을 압축적으로 표현되도록 구축

• 국내 AI 요약기술 개발과 관련된 다수의 연구들에서는 해당 텍스트의 제목을 본문의 요약문으로 가정하거나 학술논문, 특허 등의 제목 혹은 첫 문장 등을 요약문으로 가정하여 AI 요약기술을 위한 학습 데이터로 활용 중
• 이러한 조작적 정의는 본문 전체의 핵심 내용이나 의무 전달을 온전히 포함하지 못하는 한계점을 내포
• 선진국에서는 AI 요약기술 개발을 위한 다양한 문서요약 텍스트 데이터를 공개하고 있음
• 이에 한국어를 이해하고 지식을 추출하여 새로운 가치를 창출할 수 있는 문서요약 AI 기술개발을 위하여 검증된 학습용 데이터를 구축하고자 함

• 데이터 구성
  - OA 논문
  
  
  - 특허명세서
  

• 어노테이션 포맷

수행기관(주관) : 바이브컴퍼니

수행기관(참여)